Python 为什么pandas中的groupby.transform（）函数在使用函数'len'时要慢得多？

当我看到相关问题时：

我尝试了unutb的解决方案，即：

[102]中的

df=pd.DataFrame（{'Color'：'Red-Red-Blue'.split（），'Value'：[10015050]}）

请注意，

transform（'count'）

忽略NAN。如果要计算N，请使用

transform（len）

然而，问题是当我使用

变换（len）

时，它比

变换（'count'）

，

变换（'size'）

甚至

变换（sum）

花费的时间要多得多。

transform（len）

的运行时间为7分钟20秒，其他的运行时间为5秒。 有关资料如下：

%time  df_count1 = df.groupby(['f_item_id','f_session_id'])['f_item_id'].transform('size')
CPU times: user 5.22 s, sys: 25 µs, total: 5.22 s
Wall time: 5.22 s

%time  df_count1 = df.groupby(['f_item_id','f_session_id'])['f_item_id'].transform(len)
CPU times: user 7min 17s, sys: 3.09 s, total: 7min 20s
Wall time: 7min 20s

%time  df_count1 = df.groupby(['f_item_id','f_session_id'])['f_item_id'].transform(sum)
CPU times: user 5.45 s, sys: 2 ms, total: 5.46 s
Wall time: 5.45 s

%time  df_count1 = df.groupby(['f_item_id','f_session_id'])['f_item_id'].transform('size')
CPU times: user 5.22 s, sys: 25 µs, total: 5.22 s
Wall time: 5.22 s

%time  df_count1 = df.groupby(['f_item_id','f_session_id'])['f_item_id'].transform(len)
CPU times: user 7min 17s, sys: 3.09 s, total: 7min 20s
Wall time: 7min 20s

%time  df_count1 = df.groupby(['f_item_id','f_session_id'])['f_item_id'].transform(sum)
CPU times: user 5.45 s, sys: 2 ms, total: 5.46 s
Wall time: 5.45 s